变权组合模型在辽南农业灌溉水量预测的应用

于保慧

（辽宁省水文局，辽宁沈阳110003）

变权组合模型在辽南农业灌溉水量预测的应用

于保慧

（辽宁省水文局，辽宁沈阳110003）

文章结合变权组合模型预测模型对辽宁南部某地区进行灌溉用水量预测，并结合区域内实测灌溉水量分析变权组合模型在辽宁南部区域农业灌溉水量预测精度，考虑到月灌溉水量对于区域农业灌溉水量规划配置的重要，还重点分析月尺度农业灌溉水量的预测精度。研究结果对于区域农业灌溉用水量和未来趋势预测提供参考价值。

变权组合模型；农业灌溉用水；精度分析；辽南区域

1 概况

农业灌溉用水量一直是区域水资源优化配置和规划的重要内容。由于农业灌溉用水量存在许多不确定性，因此，对于农业灌溉水量的预测一直是研究的难点。对于农业灌溉用水的预测主要方法主要采用基于数量统计模型的方法进行预测，许多线性回归和数理统计被用于区域的农业灌溉用水预测模型，取得一定的研究成果，但各种模型在不同区域农业灌溉用水预测中具有不同的适用条件，且计算原理有各自的优缺点。当前，可以综合不同数量统计模型，并考虑不同数学模型权重系数的变权组合预测模型被用于水资源领域的预测研究，但是在农业灌溉用水预测的应用研究较少，特别是在辽宁地区农业灌溉用水预测的研究较少。为此，引入变权组合预测模型对辽宁南部区域的农业灌溉用水进行预测，并结合研究区域实测的灌溉水量分析变权组合预测模型在辽宁南部区域农业灌溉用水预测的精度。研究成果可以为辽宁地区农业灌溉用水预测提供参考。

2 变权组合模型原理

2.1 基本原理

变权组合模型的主要原理为采用多种模型进行组合预测，模型组合计算的关键在于确定不同组合模型之间的权重系数。变权组合预测模型将不同模型之间的权重系数设置成随着时间动态变化的，模型需要首先建立样本数据系列各个数据点不同的最优组合权重系数，依据这些权重系数来最终确定不同预测模型在预测时间节点的权重值。

2.2 变量说明

对于农业灌溉用水预测目标而言，可以用N种不同预测模型进行预测，f1t，f2t，f3t，…，fnt进行组合预测，并在模型进行变量假设：

将Yt假设为时间变量t下实测的区域农业灌溉水量,万m3；

2.3 样本数据系列组合预测模型

确定不同组合模型预测权重系数基本原则在于使得计算的样本数据系列组合计算后的计算误差最小。文中主要采用组合模型计算误差最小原则来确定不同组合的权重系数。考虑到不同模型权重系数不同，得到组合预测优化计算模型：

在方程（1）中Jt表示为时间t下的误差最小值。

对选用的预测模型，结合公式（1）进行优化求解，可以推求变权组合预测模型确定的各个方法在不同预测方法的各个样本数据序列中经过优化的权重系数Kit。

2.4 组合预测模型权重系数的确定

2.4.1 权重系数确定方法

式中：M为计算时间末变量；j表示为计算时间初变量。这种方法计算适用于样本数据序列较少，或者各种预测模型在时间序列点上的权重系数无明显的规律。

2.4.2 权重系数计算步骤

采用线性回归方法拟合计算各个组合权重函数W（t），如果取W（t）=b0+b1（t），然后计算确定各个预测时间点的组合预测权重系数，主要计算步骤为：

1）假设第i种预测方法在各个时间点拟合的最优权重系数分别为：ki1，ki2，ki3，…，kim；

2）假设以ki1，ki2，ki3，…，kim为计算样本，利用线性回归系数取得不得预测模型的权重系数；

3）当t=M+J时，计算不同预测模型的组合权重系数的函数值Wi=（M+j）；

3 模型应用

3.1 年尺度灌溉水量对比分析

结合灌区实测的1990—2014年农业灌溉用水数据，其中1980—2000年数据作为模型分析计算的训练样本数据系列，2001—2014年农业灌溉用水预测数据主要用来分析变权组合模型在区域年尺度灌溉水量的精度，变权组合模型年尺度农业灌溉水量分析结果见表1和图1。

表1 预测值和实测值对比分析结果

由表1可见，采用变权组合模型预测的2001—2014年各个年份的农业灌溉水量和区域监测，农业灌溉水量预测值和实测值之间的相对误差小于9%，在3.0%～8.75%之间，可见变权组合预测模型在区域农业灌溉用水量的年值预测精度较高，可以满足区域农业灌溉用水预测的精度。由图1（a）可见，变权组合预测模型预测值和区域实测的农业灌溉水量具有较好的吻合度。由图1（b）可以看出，变权组合模型预测的年灌溉水量和区域实测灌溉水量之间的相关性达到0.849 5，具有较高的相关性。从预测的相对误差，过程吻合度以及预测值和实测值的相关系数可以表明变权组合预测模型在研究区域农业灌溉用水年尺度的预测精度较高。

图1 变权组合模型预测年灌溉水量和实测年灌溉水量对比图

3.2 月尺度灌溉水量对比分析

考虑到月灌溉水量预测对于区域农作物耕种用水十分重要，结合变权组合预测模型预测了研究区域月尺度的灌溉水量，并结合研究区实测月灌溉水量对比分析模型的预测的精度，结果见表2。

表2 预测月值和实测月值对比分析结果

从表2可以看出，变权组合预测的月灌溉水量和实测月灌溉水量上的相对误差总体上弱于年尺度的灌溉水量预测精度。这主要是因为相比于年尺度灌溉水量，月尺度灌溉水量影响要素较多。因此，在相对误差上要弱于年尺度灌溉水量预测精度。从表2中可以看出，实测的灌溉水量在3-5月份为灌溉水量较大的月份。因这几个月降水量较少，且是农业耕种的时间，灌溉水量需求较大。在7-9月份由于进入夏季，降水较为集中。因此这几个月份灌溉水量较少，变权组合预测模型较好地预测了这一过程，预测与实测较为吻合。

4 结论

结合变权组合预测模型，以辽宁南部为研究区域，预测区域的农业灌溉水量，研究取得以下结论：

1）由于月灌溉水量影响要素较多，变权组合预测模型在区域农业灌溉水量年尺度预测精度好于月尺度灌溉水量预测精度，年和月尺度灌溉水量预测的相对误差均在许可范围内；

2）变权组合预测模型在灌溉水量过程上的吻合度较高，在灌溉水量年内分配过程吻合度也较高，可用于区域灌溉水量趋势预测。

［1］刘玉金.基于主成分分析与多元线性回归分析的灌溉水利用效率影响因素分析［D］.内蒙古农业大学，2014.

［2］牛纪苹，粟晓玲，唐泽军.气候变化条件下石羊河流域农业灌溉需水量的模拟与预测［J］.干旱地区农业研究，2016（01）：206-212.

［3］白洁娜.基于T-S模型的神经网络在节水灌溉技术选择中的应用［J］.水利技术监督,2016（01）：40-42.

［4］张平，高明义，刘立志.大兴安岭东南部地表水蓄水灌溉及水资源供需平衡分析方法研究［J］.农业与技术，2016（02）：57-59.

［5］伍卫权.灌区灌溉用水时空优化配置方法研究［J］.中国高新技术企业,2016（08）：123-124.

［6］齐英.基于灰色动态模型的辽中地区灌溉用水预测研究［J］.水利规划与设计,2016（02）：24-26.

［7］王新民，崔巍.变权组合预测模型在地下水水位预测中的应用［J］.吉林大学学报（地球科学版），2009（06）：1101 -1105.

［8］肖洁，罗军刚，解建仓，陈晨.变权组合预测模型在洪水预报中的应用［J］.西北农林科技大学学报（自然科学版），2013（02）：215-221.

［9］张博炜，刘俊民，张斌，吕玉娟.变权组合预测模型在兴平市地下水动态预测中的应用［J］.中国农村水利水电，2012（12）：42-44+48.

S27

A

1002－0624（2017）06－0052－03

2017-01-20